当前位置: 首页 > >

遥感期末复*(1)

发布时间:

第一章 概述
一、数字图像
1.图像的概念 视觉信息 (具有特定信息的一个集合) 人类获得外界信息 80%以上都是视觉信息 通过各种观察系统: 照相机 摄象机 显微摄象仪 (卫星)扫描仪 成像光谱仪 不同的光谱波段: 可见 红外 紫外 超声 X 射线 微波 图像类型: ①黑白图像、灰度图像、彩色图像②照片③画、电脑画、3D 画④扫描图、设计图⑤航空像 片⑥卫星遥感影像⑦生物医学影像⑧医学影像⑨动画⑩立体图
图像是客观世界的能量或状态以某种方式在二维*面上的投影,转化成一种可视形式. 人类通过感觉、知觉、记忆、认知、搜索、形成概念,直到最终理解和识别视觉刺激. 2.图像处理分类 光学模拟处理 (以傅里叶光学为基础,包括洗印技术) 电学处理 (光信号=>电信号,对之进行处理 TV 视频处理) 数字处理 (用计算机对数字图像进行处理) 采用离散的技术来处理连续世界的图像 图像处理与人的视觉生理、视觉心理及色度学、光学等都有密切关系。 3.视觉系统 人类眼球结构 *均直径:20mm 虹膜: 2mm-8mm 控制入光量 视网膜:图像视觉 视锥体:中央凹颜色和细节识别 600 万-700 万 视杆体:亮度识别 500 万-15000 万 夜视和昼视 彩色视觉模型
经典的三色理论 (T.Young R G B 三类感光组织) 对立色学说 (E.Hering R G Y B 二二对立) 人类感光细胞的敏感曲线:三种不同频率响应的视锥细胞,各对红、绿、蓝具有最强的响应, 彩色的识别功能。 4.从图像到数字图象 a. 图像的数学表征 I= f (x,y,z,t,λ )
x y z 空间坐标 t 时间 λ 光波波长 表示能量分布(受光辐射源照射后反射或透射的能量或者自身辐射的能量),而对某一特定时 刻的单色*面图像则可用 f(x,y) 表示

表示(x,y)点处的灰度值或亮度值(对于模拟图像 f(x,y)为连续函数) 数字图象:灰度值的二维数组 b. 数字图像的获取和表达
连续图象 数字化 (离散化) => 数字图像 空间位置上的数字化——采样——用一有限 数阵 (M×N) 表示一连续图像 灰度上的数字化——量化——灰度取离散的整数值 ( K 等级 K=2m m 正整数) 采样 量化都可等间隔或不等间隔(均匀 or 非均匀)
M N K 一般取 2 的整数次幂 数字图像的矩阵表示法 关于 M、N 及 K 的讨论: ▼极限值取决于数字化设备的精度. ▼理论上 M N K 越大, 数字图像愈逼真.但实用上要考虑实际需要、数据量、效果及使用范 围 ▼一般以不失真为限
采样定理: 采样频率大于图像信号最高频率的两倍. (物理点不是数学点,故而采样有点扩散,结果是模糊图像.) 彩色图像通常可用三原色(RGB)或三要素(HSB)矩阵表示或用三维矢量矩阵表示[遥感多波 (谱)段图象多用矢量矩阵 ] 图像的质量与层次、对比度、清晰度有关 层次表示灰度级的数量 图像数据的实际层次越多,视觉效果就越好 对比度是指一幅图象中灰度反差的大小 对比度=最大亮度/最小亮度 清晰度 与清晰度相关的主要因素:亮度、对比度 主题内容的大小:细微层次 颜色饱和度
二、数字图像处理
1.数字图像处理的发展: 随着计算机技术的发展而发展 20 世纪 50-60 年代 (萌芽期)
a. 太空探索计划 非线性失真、几何变形、噪声、电源干扰 b. 生物医学 70 年代 (发展期)
a. CT 技术 RS 技术 b.模式识别技术 c. 图像理解 80 年代 (普及期)—DIP 渗透到各个领域 微机 实际需求 计算机视觉 90 年代-现在 (高新技术发展) 多媒体通信 新器件(光电器件) 新处理器 新结构(并行处理 流水线)
? 历史上图像处理例子 1921 年一幅由电报打印机重建的数字图像 (5 个灰度级) 1922 年照像复制技术应用,在电报接受终端用穿孔带还原图像 1929 年采用编码图片纸带调制光束,改善了系统底板的感光,使灰度级增加到 15 个等级. 1964 年,在美国喷射*笛槭遥↗PL)首次采用计算机技术改善图像。用计算机处理勘测 者 7 号发回的月球图片,以校正飞船上的电视摄像机各种不同姿态、固有的图像畸变。 2.数字图像处理的内容和特点

图像处理的内容
数字图像处理的特点:①依赖于计算机②涉及数学、光学、计算机技术诸方面,也需要直 觉和常识③灵活、准确、快速、重现性好④精度高、可靠性高、抗噪声干扰能力强⑤与信号 处理、计算机图形学、模式识别、专家系统、人工智能等众多学科有密切关系.
数字图象处理工作本身的特点:图象处理的数据量大;图象成象和信号数字化过程中有 一些特殊问题;图象本身的复杂性和视觉信息处理的针对性;图象信号在空间、频谱和时间 上有相关性,表明图象数据中存在信息冗余;许多数字图象处理操作具有空间并行 性。
数字图象处理新的研究趋势:①多学科领域交叉综合;②新理论新方法不断出现;③视 觉机理研究深入;④实现技术研究进展迅速;⑤应用实用化; 3.数字图像处理的应用: ①航天航空遥感 (资源勘探 环境 气象 测绘 海洋监测 农林)② 生物医学工程 (CT 核磁共振 细胞、染色体分析)③通信工程 (传真 电视 可视电话 网络信 息传播)④工业工程 (工业探伤 无损检测 材料分析 自动控制 机器人)⑤军事公安 (指纹 识别 导弹制导 侦察)⑥文化艺术 (*面设计 广告 电影特技设计 游戏 考古 电脑画) 4.数字图像处理系统
发展:与计算机技术的发展是同步的 早期:通用大型机+专用 I/O 设备 软件实现 其后:小型机 or 工作站+图像阵列处理机+软件

再后:PC+图像(采集)卡+处理软件 目前:PC+软件 今后:一是大规模高速并行处理海量数据,另一是广泛应用 PC 机纯软件处理. 组成: 硬件 ——图像输入(数字化)设备
主机:大容量存储设备 交互控制设备 图像输出(显示 硬拷贝) 设备 软件 ——系统软件 图象处理软件 图像数字化设备——光电转换 图像采样 模/数转换等设备的组合体:电视摄象数字化仪(摄 象管 CCD)、微密度计、扫描仪、数码相机、成象光谱仪、多光谱扫描仪

图像硬拷贝设备:喷墨打印机 热敏打印机 (喷墨)绘图仪 激光打印机

图像显示设备:显示器 (CRT LCD LED) 监视器

投影仪

常见软件系统 :

RS 系统—— I2S ARIES PCI ERDAS ER MAPPER ENVI ……

桌面处理系统——Photoshop Photomagic Photostyler ……

具图像处理功能的其它系统——IDRISI MATLAB MathCAD…

▲数字图像的格式(图像数据存贮结构)

通常取决于系统,不同的系统通常有不同的存贮格式。最简单的是用二维数组(对应*

面矩阵)存贮各象素的灰度值.

▲图像数据结构

a.组合方式

是一个字长存放多个像素灰度值的方式。它能起到节省内存的作用,但导致计算量增

加,处理程序复杂。

b.比特面方式

按比特位存取像素,即将所有像素的相同比特位用一个二维数组表示,形成比特面。

n 个比特位的灰度图像采用比特面方式存取就有 n 个比特面。这种结构能充分利用内存空间,

但对灰度图像处理耗时多。

c.分层结构 由原始图像开始依次构成像素数愈来愈少的一幅幅图像,就能使数据表示具有分层
性,其代表有锥形(金字塔)结构。 d.树结构
对于一幅二值图像的行、列都接连不断地二等分,如果图像被分割部分中的全体像素 都变成具有相同的特征时,这一部分则不再分割。 ? 数字图像处理系统的使用:①事先阅读说明书、使用手册②全面了解系统组织:构成 、
文件格式 、类型③熟悉各部件的使用方法④通常都是交互式操作,了解各参数的意义 ⑤多使用帮助(Help) 系统
第二章 数字图像处理基础
一、图像的统计特征
1.图像基本统计量(单波段) 均值、中值、众数(出现频率最大的一个灰度值)、标准差、方差 一幅图像的均值和标准差很大程度上反映了图像灰度的数值范围和信息量的多少。
均值公式:M=E(X) 方差公式:V=E{[(X-E(X)]2} 标准差公式:σ = V1/2

标准差

方差

2.直方图 图象的灰度直方图是图像中具有某种灰度的象素数目(频数)的函数. 直方图是一种灰度值的统计图形,不反映空间位置信息,不同的图像可能有相同的直方图。 意义:反映图像概貌 —灰度 范围 总色调 反差 众数等 直方图的绘制: 定标(确定间隔) 端点处理 统计 显示或打印方式 (编程) 注意: 单位 方向 原点 横轴 (灰度级) 纵轴(频数) 3.多光谱图像的统计特征 多光谱(多波段)图像可看成多维随机变量——随机向量,每个像元对应于多维空间的一个 点。故就可用一多维向量表示。 4.二维直方图和散点图
二、图像处理的算法
1.点运算 点运算将输入图象映射为输出图象,输出图象每个象素点的灰度值仅由对应的输入象素
点的值决定。它常用于改变图象的灰度范围及分布,是图象数字化及图象显示的重要工具。 点运算实际上是灰度到灰度的映射过程,设输入图象为 A(x,y),输出图象为 B(x,y),
则点运算可表示为:B(x,y)=f [A(x,y)] 点运算完全由灰度映射函数 f 决定。显然点运算不会改变图象内象素点之间的空间关系。
2.邻域运算 (局部处理) 像素的邻域:4-邻域、8-邻域、D-邻域 (对角邻域) 邻域运算是指当输出图象中每个象素是由对应的输入象素及其一个邻域内的象素共同
决定时的图象运算。

3.迭代处理 反复对图像进行某种运算直至满足给定的条件,从而得到输出图像的处理形式称为迭代
处理。 4.跟踪处理
选择满足适当条件的像素作为起始像素,检查输入图像和已得到的输出结果,求出下一 步应该处理的像素,进行规定的处理,然后决定是继续处理下面的像素,还是终止处理。这 种处理形式称为跟踪处理。 5.形态学运算
是针对二值图象依据数学形态学的集合论方法发展起来的图象处理方法。数学形态学起 源于岩相学对岩石结构的定量描述工作,*年来在数字图象处理和机器视觉领域中得到了广 泛的应用,形成了一种独特的数字图象分析方法和理论。
通常形态学图象处理表现为一种邻域运算形式,一种特殊定义的邻域称之为“结构元 素”,在每个象素位置上它与二值图象对应的区域进行特定的逻辑运算,逻辑运算的结果为 输出图象的相应象素。形态学运算的效果取决于结构元素的大小、内容以及逻辑运算的性质。 常见的形态学运算有腐蚀、膨胀等。
三、色彩知识
1. 颜色 (物理 生理 心理) 颜色———对某波段波长有选择的反射而对其它波长吸收的结果 a.色的三要素:色调,颜色种类(取决于主波长);饱和度,表示颜色的浓淡程度;亮度,人 眼感觉到的颜色明暗程度(与光波长有一定关系) b.颜色模型 HSB 模型以人类对颜色的感觉为基础,描述了颜色的 3 种基本特性: ·色相是从物体反射或透过物体传播的颜色。在 0 到 360 度的标准色轮上,按位置度量色 相。在通常的使用中,色相由颜色名称标识,如红色、橙色或绿色。 ·饱和度(有时称为彩度)是指颜色的强度或纯度。饱和度表示色相中灰色分量所占的比例, 它使用从 0%(灰色)至 100%(完全饱和)的百分比来度量。在标准色轮上,饱和度从中心 到边缘递增。 ·亮度是颜色的相对明暗程度,通常使用从 0%(黑色)至 100%(白色)的百分比来度量。 RGB 模型
绝大多数可视光谱可用红色、绿色和蓝色 (RGB) 三色光的不同比例和强度的混合来表 示。在这三种颜色的重叠处产生青色、洋红、黄色和白色。
由于 RGB 颜色合成可以产生白色,因此也称它们为加色。将所有颜色加在一起可产生白 色-即所有光都被反射回眼睛。加色用于光照、视频和显示器。 CMYK 模型
CMYK 模型以打印在纸上的油墨的光线吸收特性为基础。当白光照射到半透明油墨上 时,色谱中的一部分被吸收,而另一部分被反射回眼睛。
理论上,纯青色 (C)、洋红 (M) 和黄色 (Y) 色素合成,吸收所有颜色并生成黑色。这 些颜色因此称为减色。由于所有打印油墨都包含一些杂质,因此这三种油墨实际生成土灰色, 必须与黑色 (K) 油墨合成才能生成真正的黑色。(为避免与蓝色混淆,黑色用 K 而非 B 表 示)将这些油墨混合重现颜色的过程称为四色印刷。
(CMY) 和加色 (RGB) 是互补色。每对减色产生一种加色,反之亦然。 L*a*b 模型
L*a*b 颜色模型是在 1931 年国际照明委员会 (CIE) 制定的颜色度量国际标准模型的 基础上建立的。1976 年,该模型经过重新修订并命名为 CIE L*a*b。

L*a*b 颜色与设备无关,无论使用何种设备(如显示器、打印机、计算机或扫描仪)创

建或输出图像,这种模型都能生成一致的颜色。

L*a*b 颜色由亮度或光亮度分量 (L) 和两个色度分量组成:a 分量(从绿色到红色)

和 b 分量(从蓝色到黄色)。

YIQ 彩色模型

(彩色 TV-美 日 NTSC)

YUV 色彩系统 (彩色 TV-欧洲 PAL)

?Y ? ? 0.299 0.587 0.114 ? ? R ?

????VU

? ???

?

? ???

?0.148 0.615

?0.289 ?0.515

0.437 ?0.100

? ???

? ???

G B

? ???

色彩匹配

C=rR+gG+bB R=red G= green B= blue

r g b 比例系数 r+g+b=1

c.三原色 tricolor(基色) RGB

CMY

2.混色方法

加法混色 RGB

反射 (显示器 TV)

减法混色 CMY(K)

吸收 (彩照 印刷 打印)

3. 彩色感知

人眼内视锥细胞分别对蓝、绿、红光敏感,最终还取决于环境背景及对比度等

四、数字图像显示

1.显示设备

随机扫描的图形显示器:分辨率高 对比度好 失真小 驱动复杂 成本高

存储管式图形显示器:简单 便宜 分辨率高 失真小 慢速显示 难于局部刷新

光柵扫描式图形显示器:线的亮度不均匀 需大容量帧存 便于表现实体图形

*板显示器:LCD 投影机 等离子 LED

2.数字图像的显示

显卡把主机以二进制输出的数字信息变为显示器能够处理的视频信号、同时再加入行

频、场频同步信号或其它控制信号,然后通过数据线转送到 CRT…显示器的内部电路中,

数字图像在显示屏幕上显示时,它的每个像素对应显示器的一个点。显示时采用扫描的

方式:电子枪每次从左到右扫描一行,为每个像素着色,然后再从上到下扫描整个屏幕,利

用人眼的视觉暂留效应就可以显示出一屏完整的图像。为了防止闪烁,每秒要重复上述过程

几十次。我们常说的屏幕分辨率为 1024×768 ,刷新频率 85Hz,即每行扫描 1024 个像素,

一共要扫描 768 行,每秒重复扫描屏幕 85 次。

CRT 工作原理 (Cathode Ray Tube 阴极射线管)

CRT 显示器主要由电子枪(Electron gun)、偏转线圈(Deflection coils)、荫罩(Shadow

mask)、荧光粉层(phosphor)和玻璃外壳五部分组成。在荧光屏上涂满了按一定方式紧密排

列的红、绿、蓝三种颜色的荧光粉点或荧光粉条,称为荧光粉单元,相邻的红、绿、蓝荧光

粉单元各一个为一组,称之为像素。

灯丝加热阴极,阴极发射电子,然后在加速极电场的作用下,经聚焦极聚成很细的电子

束,在阳极高压作用下,获得巨大的能量,以极高的速度去轰击荧光粉层。这些电子束轰击

的目标就是荧光屏上的像素。电子枪发射的三束电子束,它们分别受电脑显卡 R、 G、 B

三个基色视频信号电压的控制,去轰击各自的荧光粉单元。受到高速电子束的激发,这些荧

光粉单元分别发出强弱不同的红、绿、蓝色光。电子束既作水*方向的运动,又作垂直方向

的运动。前者形成一行的扫描,称为行扫描,后者形成一幅画面的扫描,称为场扫描。

荫罩(Shadow mask),它的位置在荧光屏后面(从荧光屏正面看) 约 10mm 处,为厚度约

为 0.15mm 的薄金属*澹厦嬗泻芏嘈】谆蛳覆郏屯蛔榈挠夥鄣ピ聪袼叵喽杂Α

三支电子束经过小孔或细槽后只能击中同一像素中的对应荧光粉单元,因此能够保证彩色的

纯正和正确的会聚. 24Hz 场频是保证对图像活动内容的连续感觉,48Hz 场频是保证图像显

示没有闪烁的感觉,这两个条件同时满足,才能显示效果良好的图像。

3. 光柵扫描的工作原理

采用帧存储器映射到屏幕,逐点对应

4.对光柵显示设备的要求

- 点距

- 分辨率

- 带宽: Dot Clock ~200MHz

H. Freq. ~100KHz

V. Freq. ~70~100Hz

- 失真与变形校正功能

- 颜色校正功能

可通过扩大存储容量(显存)提高分辨率和颜色范围

? LCD(液晶显示器)工作原理

Liquid Crystal Display

LCD 由两块玻璃板构成,厚约 1mm,其间由包含有液晶(LC)材料的 5μ m 均匀间隔隔开。

因为液晶材料本身并不发光,所以在显示屏两边都设有作为光源的灯管,而在液晶显示屏背

面有一块背光板(或称匀光板)和反光膜,背光板是由荧光物质组成的,可以发射光线,其

作用主要是提供均匀的背景光源。背光板发出的光线在穿过第一层偏振过滤层之后进入包含

成千上万水晶液滴的液晶层。液晶层中的水晶液滴都被包含在细小的单元格结构中,一个或

多个单元格构成屏幕上的一个像素。在玻璃板与液晶材料之间是透明的电极,电极分为行和

列,在行与列的交叉点上,通过改变电压而改变液晶的旋光状态,液晶材料的作用类似于一

个个小的光阀。在液晶材料周边是控制电路部分和驱动电路部分。当 LCD 中的电极产生电场

时,液晶分子就会产生扭曲,从而将穿越其中的光线进行有规则的折射,然后经过第二层过

滤层的过滤在屏幕上显示出来。

通常,在彩色 LCD 面板中,每一个像素都是由三个液晶单元格构成,其中每一个单元格

前面都分别有红色,绿色,或蓝色的过滤器。这样,通过不同单元格的光线就可以在屏幕上

显示出不同的颜色。

TFT-LCD 使用薄膜晶体管(TFT)激活液晶层中的单元格。TFT-LCD 技术能够显示更加清

晰,明亮的图象。

液晶电视中的液晶显示是一种透射式显示技术,利用薄膜技术做成的电晶体电极,采用

扫描的方法主动地控制显示点的开和关,从而控制液晶分子的排列状态,进而改变遮光和透

光状态以显示图像。液晶显示本身不发光,需要背光源,因此亮度取决于背光源和液晶本身

的透光效率。 ? 等离子(PDP)是一种利用惰性气体放电的显示技术,采用等离子管作为发光器件,每 一个像素对应一个等离子管,在屏幕中发光的等离子管*面均匀分布。这样显示图像的中心 和边缘完全一致,不会出现扭曲现象,实现了真正意义上的纯*面。
等离子是一种自发光显示技术,不需要背景光源,因此没有 LCD 显示器的视角和亮度均 匀性问题,而且实现了较高的亮度和对比度。而三基色共用同一个等离子管的设计也使其避 免了聚焦和汇聚问题,可以实现非常清晰的图像。
等离子体显示器、场致发光阵列显示器(FED)和发光聚合体显示器(LED)的技术将在 未来掀起*板显示器的新浪潮。
LED(发光二极管)是一种能够将电能转化为可见光的固态的半导体器件,它可以直接 把电转化为光. 由于其体积小、效率高、寿命长、耗电省,是一种理想的环保的照明光源。 广泛应用于显示屏、照明、电子仪表等方面。
LED 电视实际上就是用 LED 做背光源的液晶*板电视。 5. 伽玛校正
显示器屏幕输出电压与对应亮度的转换关系曲线,称为伽玛曲线所谓伽玛校正就是对图 像的伽玛曲线进行非线性编辑,从而提高图像对比度。 6.调色板
如果一幅图像的每个像素都用 RGB 分量表示,每个分量有 256 个等级,需要 1 个字节表 示。那么一个像素的颜色信息需要用 3 个字节表示,图像文件将变得非常大。实际上并非这 样。
对一幅 200×200 的 16 色图像,它共有 40000 个像素,如果一个像素都用 R、G、B 三 个分量来表示,一个像素需要 3 个字节,这样保存整个图像要用 200×200×3 =120000 个 字节!但用下面的方法表示可以节省很多。
由于图像只有 16 种颜色,我们可以创建一个颜色表:表中的每一行表示一种颜色的 R、 G、B 值。这样当表示一个像素的颜色时,只需指出该颜色在第几行,即该颜色在表中的索 引值。16 种状态可以用 4 位表示,所以一个像素要用半个字节,整个图像要用 200×20 0 ×0.5 ,即 20000 个字节,再加上颜色表需要 3×16=48 个字节,共 20048 个字节。它是前 面的 1/6 。
这里的 RGB 颜色表,就是通常所说的调色板。在 Windows 位图中,就用到了调色板技术。 并非所有的彩色图像利用调色板技术,都可以节省字节。24 位真彩色图像就不行。 真彩色的显示需要大量的视频内存,一幅 640×480 的真彩色图象需要约 1MB 的视频内存。 由于数据量大增,显示真彩色会使系统的整体性能迅速下降。为了解决这个问题,计算机使 用调色板来限制颜色的数目。调色板实际上是一个有 256 个表项的 RGB 颜色表,颜色表的每 项是一个 24 位的 RGB 颜色值。使用调色板时,在视频内存中存储的不是图象的 24 位颜色值, 而是调色板的 4 位或 8 位的索引。这样一来,显示器可同时显示的颜色被限制在 256 色以内, 对系统资源的耗费大大降低了。 显示器可以被设置成 16、256、64K、真彩色等显示模式,前两种模式需要调色板。在 16 或 256 色模式下,程序必须将想要显示的颜色正确地设置到调色板中,这样才能显示出 预期的颜色。下图显示了调色板的工作原理。使用调色板的一个好处是不必改变视频内存中 的值,只需改变调色板的颜色项就可快速地改变一幅图象的颜色或灰度。
五、几个基本概念
1.线性系统 Linear system 定义:设有某特定系统,输入 x1(t) 产生 y1(t) 输入 x2(t) 产生 y2(t),则此系统为线
性的,当且仅当 输入 x1(t)+x2(t) 产生 y1(t)+y2(t).

叠加性:设某线性系统的映射为Ψ 即 g(x,y)=Ψ [f(x,y)]则 Ψ [af1(x,y)+bf2(x,y)]=aΨ [f1(x,y)]+bΨ [f2(x,y)]=ag1(x,y)+bg2(x,y) 位移不变性:对某线性系统,若 g(x-α ,y-β )=Ψ [f(x-α ,y-β )] 则称为位移不变的. 可将复杂的输入分解为许多较简单输入的和 线性系统是一数学模型,是指用线性运算子组成的系统 2.二维狄拉克(Dirac)函数(冲激函数) 3.冲激响应函数 h(x,y)
以二维狄拉克函数δ (x,y)作为输入的输出函数称为冲激响应函数即 h(x,y;α ,β )= Ψ [δ (x-α ,y-β )] 对位移不变系统 h(x,y;α ,β )= h(x-α ,y-β ) 冲激响应函数也称为点扩展函数 PSF (Point spread function) 更一般的:表征线性系统行为的特征函数称为系统的冲激响应. 4.卷积 通过两个函数 f 和 h 生成第三个函数的一种数学算子,表征函数 f 与经过翻转和* 移的 h 的重叠部分的累积 线性位移不变系统的输出可通过输入信号与一表征系统特征的函数 h(x,y) (即冲激响 应)的卷积而得到 5.相关 离散二维卷积算法 G =F ? H 将数组 H 旋转 180°并将其原点移至坐标(i,j)然后将这两个数组逐个元素相乘并将得到的 积求和即得输出值.
第三章 遥感数字图像及处理系统
一、关于遥感
二、关于遥感影像
1.遥感影像:由(不同)*台上的(各种)传感器采用某种(些)电磁波段所得到的目标景物的影 像称之为遥感影像。 2.遥感影像的特征:遥感影像表达了目标景物的几何、物理、地学特征。 空间分辨率:表明影像细节的可见程度,像素的对应面积—地面能分辨的最小单元 IFOV 瞬时视场 单个探测元件的受光角度或观测视野 波(光)谱分辨率:表现为波段数,每通道的中心波长,带宽,最小波长间隔(波段多 波段间 相关性、冗余度增加) 时间分辨率 采样的重访周期

辐射分辨率 能区分的最小辐射差 探测器的灵敏度(表现为象元的辐射度量化级数)

这些特征由*台及传感器的特性及性能决定!

重访周期

Landsat 18~16 day

SPOT 1~4 day

NOAA

x hours

GOES xx minutes

遥感数字图像是数字图像的一个子集,而数字图像又是图像的一个子集。所以遥感数字

图像继承了图像和数字图像的所有特点,同时遥感影像又具有自己独有的特点:①反映内容

的特定性②表达尺度的宏观性和空间分辨率的多样性③成像波段的独立性和多样性④成像

机理的复杂性

3.遥感影像数据格式

传统格式: BSQ BIL BIP BMP JPG(JPEG) TIFF …

新格式 : HDF GeoTIFF

4.遥感影像数据产品

等级 :0 1 2 3 坐标 幅面(大小) 成像时间 (注意天气情况) 波段数

5.遥感影像数据的选择

根据需要 选择合适的影像 使性价比最高 并非所有应用都需高分辨率!

高分辨率(高清晰度)遥感影像

空间分辨率 0.6~4m ,卫星一般在距地 600km 左右的太阳同步轨道上运行。其影像广泛

应用于精度相对较高的城市内部的绿化、交通、污染、建筑密度、土地、地籍等的现状调查、

规划、测绘地图;大型工程选址、勘察、测图和已有工程受损监测等;还可应用于农业、林

业、灾害等领域内的详细调查和监测。

中分辨率卫星数据

空间分辨率一般在 4m~30m 左右,卫星 一般在 700km~ 900km 的*极地太阳同步轨道上运

行.而重复(更新)覆盖同一地区的时间间隔为几天至几十天等.它们广泛用于资源调查、环境

和灾害监测、农业、林业、水利、地质矿产和城建规划等* 50 个行业和领域.

低分辨率卫星数据

气象卫星是空间分辨率(清晰度)相对较低的卫星采集(“摄像”)系统,它们就是每天

电视气象预报时的“气象卫星云图”,广泛应用于宏观观测的对象,如:大面积植被监测、

气象预报和观测海洋表面深度海浪、海冰等。

三、遥感数字图像处理

1 .遥感数字图像处理

利用计算机图像处理系统对遥感影像中的像素进行系列操作的过程。以获取实时的真实

的有用的信息。

遥感图像处理是地学特色的图像处理,除一般图像处理内容外,还包含:

特定的图像增强技术:力求更真实、更准确地判读地物。

遥感图像分类技术:通过多手段从多波段遥感图像中提取各种地物如土地、植被、污染

等的信息,并尽可能提高地物识别的精确度。

遥感图像校正技术:从辐射上、几何上保证图像的精度和数据质量,保证图像准确地落

实到大地坐标系中,进而能顺利地与其它来源的 GIS 数据源进行集成分析。

多种图像采集技术:卫星、航测、雷达等。

此外,还有:图像地理拼合、地形分析、空间分析、制图输出等技术。

2. 遥感数字图像处理系统

典型软件:I2S、ARIES、PCI、ERDAS、ER MAPPER、IDRISI、ENVI

目前遥感软件系统的特点:①各具独特的文件结构、格式,但支持其它多种格式数据②視窗

化操作③模块化功能④具 3D 及 VR 技术⑤与 GIS 相结合⑥在线帮助⑦提供二次开发 ER MAPPER Earth Resource Mapping(简称 ERM)公司成立于 1989 年,是世界上著名的桌面图像
处理软件和影像压缩软件供应商。ER Mapper 是大型专业的影像处理软件,在政府、环保、 电信、国防安全、农业、森林防火、石油天然气以及矿业等都有成功的应用;IWS 是专业海 量影像数据网上发布软件;ECW 是专业的、优秀的影像压缩软件。
ENVI ENVI 是美国 ITT Visual Information Solutions 公司的旗舰产品。ENVI 采用 IDL 开 发, 是一个功能强大的遥感图像处理软件;它是快速、便捷、准确地从地理空间影像中提取 信息的首屈一指的软件解决方案, 提供先进的,人性化的使用工具来方便用户读取、准备、 探测、分析和共享影像中的信息。今天,众多的影像分析师和科学家选择 ENVI 来从地理空 间影像中提取信息。已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、 医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋,测绘勘察和城市与 区域规划等行业。 PCI Geomatica PCI Geomatica 软件是加拿大 PCI 公司开发的用于摄影测量分析、遥感影像处理、几何 制图、GIS 分析、雷达数据分析、以及资源管理和环境监测的多功能软件系统。 随着图像处理技术的日益成熟和发展,其应用领域不断地拓宽。Geomatica 作为图像处 理软件系统的先驱,以其丰富的软件模块、支持所有的数据格式、 适用于各种硬件*台、 灵 活的编程能力和便利的数据可操作性代表了图像处理系统的发展趋势和技术先导。 应用领域:Geomatica 不仅可用于卫星和航空遥感图像的处理,还可应用于地球物理数 据图像、医学图像、雷达数据图像、光学图像的处理。它的应用领域包括石油天然气勘探、 矿产资源勘探、林业、农业、土地资源调查评估与管理、自然灾害动态监测、测绘、环保、 城市规划、铁路交通、大规模管道工程设计、沙漠治理、工程建设、气象预报、医学 X 光片 解析、光谱分析、雷达数据分析等非常广泛的领域。 Idrisi Idrisi 是美国克拉克大学地理学研究生院开发的以网格为基础的地理信息系统,具备 遥感图像数字处理和地理信息功能的综合性地理信息与图像处理系统.应用相当广泛.其 Windows 版本操作简单,提供在线帮助.在遥感图像处理方面,其功能主要有图像显示、直方 图计算和显示、对比度增强、滤波增强、几何校正、空间变换、彩色变换(COLSPACE)、主分 量变换(PCA)、监督和非监督分类、多波段图像间的代数运算等. Idrisi 中的文件:栅格图象扩展名(.img)、栅格图象描述文件扩展名(.doc)、矢量 图象文件扩展名(.vec)、矢量图象描述文件扩展名(.dvc)、属性值文件扩展名(.val)、 属性值描述文件扩展名(.dvl) 软件使用简单说明 ★ Environment =>Environ 显示当前工作目录、单位及各类文件的扩展名. ★ File => List 可分类列出在当前目录(文件夹 \exercise)中的所有文件. 栅格图象文件的扩展名为.img,其格式:依次为每个栅格中的象元灰度值,每个值占一 行。栅格图象描述文件扩展名.doc ★图象的显示: Display => display launcher =>选择文件类型 =>文件名 => Pallette opition 调色 板选择(单波段图像选 grey 256 (灰度) or Idrisi 256 , 比较之) ★直方图操作 1.显示图象

2.从 Display 菜单下选择 Histo 模块,查看该图象的直方图: ★图象拉伸操作 display =>Stretch Stretch 模块有 3 种拉伸方式: 即线性拉伸(Linear)、直方图均衡化拉伸(Histogram Equalization)和饱和度线性拉伸(Linear with saturation)。
线性拉伸的思想是设法把指定(或缺省)的灰度范围扩展到新的更宽广的范围(一般是 能显示的极限 0~256)。饱和度线性拉伸方法的思想是:在图象的属性值大致呈正态分布时, 给定饱和度(属性值的分布概率),例如 2.5(%),则正态曲线两端小于 2.5 的部分强制转化 为全黑或全白。给定的饱和度值越大,则丢失的信息越多。
直方图均衡化方法可以获得较多的可视信息,但是改变了原图象的直方图 ★假彩色合成 display => composit 现有 HOW87TM1、HOW87TM2、HOW87TM3 和 HOW87TM4 四幅单波段遥感图象,分别对应可见 光的蓝、绿、红和红外波段,图象均为 480 行 480 列。(可用 Describe 模块查看这些图象的 描述特征)把 HOW87TM2 作为“蓝”波段、HOW87TM3 作为“绿”波段、HOW87TM4 作为“红” 波段(这种合成方法称为假彩色合成,我们用了*红外波段 TM4 代替了蓝波段 TM1,是因为 *红外波段中有一些不可见的信息。另外,蓝波段受水体的影响较大)。 ★滤波处理 Analysis => Image processing => Enhancement => FILTER ★主分量变换 Analysis => Image processing => Transform => PCA ERDAS IMAGINE ERDAS IMAGINE 是美国 ERDAS 公司开发的遥感图像处理系统。它以其先进的图像处理 技术,友好、灵活的用户界面和操作方式,面向广阔应用领域的产品模块,服务于不同层次 用户的模型开发工具以及高度的 RS/GIS 集成功能,为遥感及相关应用领域的用户提供了内 容丰富而功能强大的图像处理工具,代表了遥感图像处理系统未来的发展趋势。 ERDAS IMAGINE 应用领域包括:科研、环境监测、气象、石油矿产勘探、农业、医学、 军事(数字地理战场,解译等)、电讯、制图、林业、自然资源管理、公用设施管理、工程、 水利、海洋,测绘勘察和城市与区域规划等。 IMAGINE Essentials 级是一个花费极少的,包括有制图和可视化核心功能的图像工具 软件。借助 IMAGINE Essentials 可以完成二维/三维显示、数据输入、排序与管理、地图 配准、专题制图以及简单的分析。可以集成使用多种数据类型,并在保持相同的易于使用和 易于剪裁的界面下升级到其它的 ERDAS 产品。 可扩充模块: (1)Vector 模块——直接采用 GIS 工业界领袖 ESRI 的 ArcInfo 数据结构 Coverage,可以建 立、显示、编辑和查询 Coverage,完成*斯叵档慕⒑托薷模迪旨笆噶客夹魏驼じ裢枷 的双向转换等; (2)Virtual GIS 模块——功能强大的三维可视化分析工具, 可以完成实时 3D 飞行模拟, 建立虚拟世界进行空间视域分析,矢量与栅格的三堆叠加,空间 GIS 分析等; (3)Developer's Toolkit 模块——ERDAS IMAGINE 的 C 语言开发工具包,包含了几百个函 数,是 ERDAS IMAGINE 客户化的基础。 IMAGINE Professional 级是面向从事复杂分析,需要最新和最全面处理工具,经验丰 富的专业用户。Professional 是功能完整丰富的图像地理信息系统。除了 Essentials 和 Advantage 中包含的功能以外,IMAG1NE Professional 还提供轻松易用的空间建模工具(使 用简单的图形化界面),高级的参数/非参数分类器,知识工程师和专家分类器,分类优化 和精度评定,以及雷达图像分析工具。 可扩充模块: Subpixel Classifier 模块—— 子象元分类器 利用先进的算法对多光谱图像进行信息提

取,可达到提取混合象元中占 20%以上物质的目标。 IMAGINE 动态连接库 ERDAS IMAGINE 支持动态连接库(DLL)的体系结构。它支持目标共享技术和面向目标的设 计开发、提供一种无需对系统进行重新编译和连接而向系统加入新功能的手段,并允许在特 定的项目中裁剪这些扩充的功能。 动态连接库: (1)图像格式 DLL——提供对多种图像格式文件无需转换的直接访问,从而提高易用性 和 节省磁盘空间。支持的图像格式包括: IMAGINE、 GRID、LAN/G1S、 TIFF (GeoTIFF)、 GIF、 JFIF(JPEG)、FIT 和原始二进制格式。 (2)地形模型 DLL——提供新类型的校正和定标(calibration),从而支持基于传感器* 台的校正模型和用户裁剪的模型。这部分模型包括:Affine、 polynomial、 Rubber sheeting、TM、SPOT、Single frame Camera 等。 ERDAS 数据格式:ERDAS 支持 DLL 体系结构,支持 150 多种数据格式,可输出* 60 种格式数据. 1.通用二进制(generic binary)数据格式 BSQ BIL BIP 2. IMG 格式
ERDAS 专用图像文件格式 支持单、多波段遥感影像 存贮图像的有关信息 特殊性:针对同一个影像的多个文件(*.img 、*.rrd,、*.hdr …)作为一个整体, 放在 同一文件夾内。 ERDAS 用图层的形式来管理数据 通常具相同性质的、能完整表示为一张影像的数据作为一层。同一个地方的数据,可以叠加 在一起显示 一个波段的影像作为一层;不同的矢量数据作为不同的层;数据层的叠放要符合实际, 同一地区点对点的对应 菜单命令及其功能 ERDAS IMAGINE 的图标面板包括菜单条:Session, Main, Tools, Utilities, Help 和工具 条两部分。
5 项下拉菜单都由一系列命令或选择项组成,这些命令及其功能如下表所示。 – Session: 软件系统设置(背景设置) – Main:按照类型对所有功能进行分类,分别启动各种类型的功能(总开关) – Tools: 针对非图像数据的操作(图像数据的辅助数据) – Utilities:针对图像数据的操作 – Help:帮助提示 视窗:显示遥感影像和其他数据(矢量\注记\AOI 等)的窗口 File 菜单:有关各种数据文件的新建\打开\保存\关闭… View 菜单:影像显示效果设置 其他菜单 Raster、AOI 菜单:集中了对影像进行数据处理的各种功能
Raster:对影像(栅格数据)进行多种处理和属性设置 Aoi(area of interest 用户感兴趣的区域):对用户所感兴趣的图像部分进行操作 Vector 菜单:与 GIS 相结合的一个环境 Annotation 菜单:有关用于标识和说明的操作
第四章 图像变换
图像变换是用正交函数或正交矩阵表示图像而对原图像所作的二维线性可逆变换。是将图像

从空间域(原图像)变换到转换域(如频率域)等的数学变换(e.g.傅立叶变换将时域或空 域信号变换成频域的能量分布描述)。 图像变换的目的 1. 方便处理 例如: 旋转 2. 便于抽取特性 (图象具有低通性) 3. 方便数据压缩、编码 变换法 1. 傅立叶变换(FT) 2. 离散余弦变换(DCT) 3. 沃尔什-哈达玛变换(WHT) 4. 斜变换(SLT) 5. 哈尔变换(HAT) 6. 离散小波变换(DWT) 7. 离散 K-L 变换(KLT) 8. 奇异值分解(SVD 变换)
一、傅立叶变换
能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者它们的积分 的线性组合。在不同的研究领域,傅里叶变换具有多种不同的变体形式。好比描述函数的笫 二种语言,是线性系统分析的有力工具。依靠它,建立起了非常完善的线性系统理论。傅氏 变换在物理学、声学、光学、结构动力学、数论、组合数学、概率论、统计学、信号处理、 密码学、海洋学、通讯等领域都有着广泛的应用。
在图像处理领域,傅氏变换和线性系统理论是进行图像恢复和重构的重要手段,在图像 压缩、分析方面也有重要应用。 1.连续函数的傅立叶变换 2.离散傅立叶变换 (DFT Discrete FT ) 3.二维离散傅立叶变换的性质 a.线性 b.可分离性 c.*移性 d.周期性和共轭对称性 e.旋转不变性 f.比例性(相似性定 理) g.微分性质 h.*均值 i.卷积定理:
二、其他离散图像变换
1.离散图像变换的一般表达式 变换的意义
正变换通常被看作是一个分解过程:将信号向量分解成它的各个基元分量,变换系数则 规定了原信号中各分量所占的量。
反变换通常被看作是一个合成过程:通过将各分量相加来合成原始向量,变换系数则规 定了为精确、完全地重构输入向量而加入的各个分量大小。 2.离散 K-L 变换
又称 Hotelling 变换 主分量变换(PCA) 特征向量变换 是图像变换中具有最佳性质的一种,常常作为标准用来衡量其它变换性能的好坏。 以图像的统计特性为基础. 其变换矩阵由图像的协方差矩阵的特征值和特征向量决定, 突出优点是去相关好,具最小的变换均方误差.广泛用于数据压缩,也用于图像的特征提取与 模式识别. 降维:可以通过略去对应于较小特征值的一个或几个特征向量来给 Y 降维而不致引起明 显误差. (数据压缩) 变换后的特征具有独立描述图像的本领,方差大,分离模式类的能力强;特征数少,降

低算法的复杂度。

计算量大, 无快速算法. 多数情况下常用 DCT 来代替 (但多数遥感图像处理系统中都

有主分量变换算法).常用来做评价其它变换的标准

K-L 变换是一种线性变换,而且是当取 Y 的前 p(p<m)个主成分经反变换而恢复的图像

和原图像 X 在均方误差最小意义上的最佳正交变换。它具有以下性质和特点:(1)变换前后

的方差总和不变,变换只是把原来的方差不等量的再分配到新的主成分图像中;(2)第一主

成分包含了总方差的绝大部分(一般在 80%以上),其余各主成分的方差依次减小;(3)变

换后各主成分之间的相关系数为零,也就是说各主成分间的内容是不同的,是“垂直”的;

(4)第一主成分相当于原来各波段的加权和,而且每个波段的加权值与该波段的方差大小

成正比(方差大说明信息量大)。其余各主成分相当于不同波段组合的加权差值图像;(5)

K-L 变换的第一主成分还降低了噪声,有利于细部特征的增强和分析,适用于进行高通滤波,

线性特征增强和提取以及密度分割等处理;(6)K-L 变换是一种数据压缩和去相关技术,第

一成分虽信息量大,但有时对于特定的专题信息,第五、第六主成分也有重要的意义;(7)

可以在图像中局部地区或者选取训练区的统计特征基础上作整个图像的 K-L 变换,则所选部

分图像的地物类型就会更突出;(8)可以将所有波段分组进行 K-L 变换,再选主成分进行假

彩色合成或其它处理;(9)K-L 变换在几何意义上相当于进行空间坐标的旋转,第一主成分

取波谱空间中数据散布最大的方向;第二主成分则取与第一主成分正交且数据散布次大的方

向,其余依此类推。

3.K-T 变换

又称缨帽变换,同 K-L 变换一样,也是一种线性组合变换

1976 年

主要针对 MSS 、TM(ETM)数据。突出绿色植物和土壤的辐射特征,旋转原坐标轴到与

地面景物特别是植被生长及土壤有密切关系的方向 。

三、遥感中其它有用变换

1.彩色变换 彩色合成 彩色变换 (RGB<=>HIS)

2.比值变换 针对同一地区不同波段的操作

第五章 图像增强

图像增强的处理是面向问题的(特定的目标,特定的应用,选择特定的方法),目的是改善

图像的质量,其实质是增强图像中感兴趣的信息,削弱或抑制(去除)某些不需要的信息。

从根本上说,并没有图像增强的通用标准,观察者是某种增强技术的最终判断者.

一、图像增强的目的和方法

1.目的: 改善图像的视觉效果 提高图像成分的清晰度 (不增加图像的信息量)

{ { 2.方法
空间域

点运算— 灰度变换 直方图调整

邻域处理

*滑(消噪 邻域*均 低通模板滤波 中值滤波 ) 锐化 (梯度 拉氏算子 高通模板滤波)

彩色处理 (伪彩色 假彩色)

多图像处理 (代数运算 逻辑运算)

频率域 —— {低通滤波 高通滤波 同态滤波增强

二、空间域点运算 (以单个象素为对象)

1.灰度变换 (对比度拉伸 contrast stretch)

改变(一般为增大)图像灰度的动态范围,从而扩展对比度,使图像清晰 ,特征明显.

a.线性变换

b.分段线性变换

c.非线性变换的例子

密度分割 (Intensity slicing) 2.直方图调整
a.直方图均衡 Histogram Equation 均衡直方图 (图像中各灰度级具相同的出现频数) 直方图趋于*坦化,灰度间隔拉大,改善灰度值集中于中间部份的图像;减少了灰度层
次,对比度偏高,对 X 光片等较有效。 有全局与局部均衡 b.直方图规定化(匹配)
使图像直方图与另一图像直方图或某特定函数图形相匹配
三、图像*滑 Smoothing (邻域运算)
局部(邻域)运算 ( 涉及一个区域 ) 主要目的是消减噪声 1.噪声(noise)
噪声与周围象元相比有明显的灰度差异( 频域中多表现为高频成分) 加性 乘性 量化 椒粒 产生原因各不相同(传输 量化…)
去噪方法: (先要判别是否噪声) 一般,选一窗口,计算中心象元与周围象元的灰度差,若有若干个差值大于给定的门限 (阈值),则判为噪声. 用周围象元灰度值的*均代之, 否则输出原值. 2.邻域(局部)*均 (不管是否噪声,统一对全图进行处理)
均值滤波 可抑制噪声 但易致图像模糊 (模糊程度与邻域半径成正比)
超限(部分)邻域*均 3.中值滤波
以局部中值代替局部*均值 对干扰脉冲和椒粒噪声有良好的抑制作用,且保持边缘较好 4.局部统计滤波 利用图像的局部特性(如局部均值 局部方差等) 5.空间域低通滤波 (模板算法 mask) 噪声在频率域中多属高频信号,衰减高频信号,可得*滑了的图像 空间域内的实现: 利用图像函数与滤波器冲激响应函数(或称卷积模板 or 滤波核矩阵) 的卷积. 模板(mask)要求: ?h(x.y)各元素之和与前面系数乘积为 1,保证结果不超过允许的最大灰度值. ?中心元素比例越小,*滑作用越好,但副作用(模糊效应)越大. ? h(x.y)作用域(大小)越大,*滑作用越强. 图像边缘的处理: 保留原行列;添加行列(充零或重复首尾行列)
四、图像锐化 Sharpening
处理的目的是使图像中目标边缘突出 轮廓清晰 细节明显(去模糊) 要注意先消减干扰噪声,再进行锐化处理 1.微分法: 从数学角度看图象模糊的原因是受到*均或积分运算,则微分可反之.(频域角度看是 增强高频分量) 微分求信号的变化率. 图像中微分运算对象元灰度值进行(表示灰度的变化率), 若灰 度变化率大,则边缘清晰,否则模糊, 微分值为零 ,则灰度无变化. a.梯度 gradient

b.拉普拉斯算子 Laplacian 线性二次微分算子 各向同性 (不检测均匀的灰度变化)
2.高通卷积模板 3.图像减去低通图像
五、频率域增强处理
滤波器基本形式:高通 低通 带通 1. 低通(*滑)
理想低通 巴特沃斯低通 指数低通 梯形低通 2. 高通(锐化)
理想高通 巴特沃斯高通 指数高通 梯形高通 3.同态滤波(同态图像增晰) Homomorphic
对象是某种图像:灰度动态范围大,但感兴趣部分灰度少,细节不易辨认. 把图像作为照射分量和反射分量的乘积 (乘积同态),细节内容由反射分量反映(高频 区),而照射分量其频谱在低频区. 把频率过滤与灰度变换结合起来,把图像的照明反射模型作为频域处理的基础,利用压 缩灰度范围和增强对比度来改善图像 (一般低端压缩 高端扩展)
六、彩色处理
1.伪彩色处理 Pseudo color processing 从灰度图像到彩色图像的映射技术 用于改善图像的视觉效果(把灰度图像的不同灰度
级按线性 or 非线性的映射函数变换成不同彩色,得到一幅彩色图像的技术) a.彩色分层 (彩色密度分割) b.伪彩色变换 2.彩色空间变换 RGB <=> HLS (=HSB=IHS) RGB 是从物理学角度出发描述颜色,HLS 则是从人眼的主观感觉出发描述颜色 IHS 变换的作用:①可以进行不同分辨率遥感图像的合成显示②可以使合成图像更加饱和③ 可以通过对亮度的滤波增强图像④便于多源数据的综合显示
七、多(波段)图像处理
1.图像的代数运算 注意问题:编程时须考虑输出灰度值的范围,运算式有意义, 零灰度值的处理等.
遥感中用处颇大: 消除增益和偏置, 消除阴影、云影, 利于显示隐伏构造,增大土壤和 植被的辐射差别 (如各种植被指数)。
波段比值在矿物调查及植被调查中被广泛利用。一般亮度高的波段用做分子,亮度低的 用做分母以加大反差以突出某种指定地物。如 TM4/TM3 用于植被调查;TM3/TM1 用于识别铁 氧化带;TM5/TM7 用于识别黏土矿。
关于植被指数 电磁波中红波段及红外部分反射率的相互关系,组成植被指数的关键核心 . 红波段是光合作用的能量部分, 红外部分是植物长势(健康状况)的反映.
2. 彩色合成 假彩色映射增强 (与自然彩色不一样; 允许有不可见光波部分的映射显示)
八、图像融合 (Image Fusion)
图像融合是指将多源遥感影像按一定的算法,在规定的地理坐标系生成新图像的过程. 实现信息优化是数据融合的主要目标。而信息优化是有选择性的。针对不同卫星数据源、 不同地物特征和应用目的采用不同的融合方法。或强调信息保持,保证图像判读和统计上的 一致性;或突出光谱变异以提取变化信息。

图像融合可分为若干层次: 像素级 增加有用信息成份改善图像处理效果 特征级 以高的置信度来提取图像特征 决策级 允许多源数据在最高抽象层次上被有效利用
像素级影像融合方法 加权 比值变换 乘积变换 高通滤波法 HSI 变换 主分量变换 小波变换 金字塔法
第六章 图像复原(恢复)
图象复原和图象增强一样,都是为了改善图象视觉效果,以便于后续处理。只是图象增 强方法更偏向主观判断,而图象复原则是根据图象畸变或退化原因,进行模型化处理(客观 因素)。景物成象过程中可能出现畸变、模糊、失真或混入噪声,使得所成图象降质,称之 为图象“退化”。所谓复原指对退化图像进行处理,使之趋向于复原成没有退化的理想图像. 可理解为降质过程的反向过程 (多数情况下是一个估计的过程)。复原过程:对退化过程建立 模型,进行描述,寻求一种去除或削弱其影响的过程.
一、图像退化模型
1.图像退化原因: 造成图像退化的原因很多,典型原因表现为:①成像系统的象差、畸变、带宽有限等造
成图像失真;②由于成像器件拍摄姿态和扫描非线性引起的图像几何失真;③运动模糊,成 像传感器与被拍摄景物之间的相对运动,引起所成图像的运动模糊;④灰度失真,光学系统 或成像传感器本身特性不均匀,造成同样亮度景物成像灰度不同;⑤辐射失真,由于场景能 量传输通道中的介质特性如大气湍流效应、大气成分变化引起图像失真;⑥图像在成像、数 字化、采集和处理过程中引入的噪声等。
确切的说是成像系统没有理想的冲激响应,致使图像模糊或像元位置偏差. 2.图像退化模型
二、图像复原的方法
1.退化过程可以看成一个变换 g=T[f(x,y)],则恢复过程可认为是其逆变 f=T-1[g(x,y)] 图像复原是在己知 g(x.y) 和 h(x,y),n(x,y) 的一些先验知识的条件下,求得 f(x,y). 因种种原因未必能获得理想的 f,从统计意义上说只能获得其最佳估计。 图像复原是根据退化原因,建立相应的数学模型,从被污染或畸变的图像信号中提取所
需要的信息,沿着使图像降质的逆过程恢复图像本来面貌。实际的复原过程是设计一个滤波 器,使其能从降质图像中计算得到真实图像的估值,使其根据预先规定的误差准则,最大程 度地接*真实图像。 广义上讲,图像复原是一个求逆问题,逆问题经常存在非唯一解,甚至无解。为了得到逆问 题的有用解,需要有先验知识以及对解的附加约束条件。 2.逆滤波法
实验证明,当退化图像的噪声较小,即轻度降质时,采用逆滤波复原的方法可以获得较 好的结果。通常,在离频率*面原点较远的地方数值较小或为零,因此图像复原在原点周围 的有限区域内进行,即将退化图像的傅立叶谱限制在没有出现零点而且数值又不是太小的有 限范围内。 3.维纳(Wiener)滤波
1949 年 维纳提出一种方法 (维纳滤波器) 能使得 f(x,y) 与 f ′ (x,y)之间的差最小 4.退化参数的估计

如果对退化过程有某些先验知识(如有希望先确定系统的点扩散函数 PSF 及噪声特性),则有些 退化可以先验预测。 加性噪声可视为白噪声 (功率谱为常数) 如果退化原因已知或可以估计,则可确定或估计其 PSF 的傅氏变换即系统的传递函数. a. 运动模糊的传递函数 (均匀直线运动) b.散焦系统的传递函数 c.大气湍流模糊的传递函数 6.遥感图像的辐射校正 (参见遥感教材及本书 p94~p108)
校正方法:①遥感器纠正:遥感器的设计、辐射定标②大气辐射纠正:散射、吸收③太 阳高度角、地形纠正:需要 DEM④地物反射模型纠正:需要和成像时刻取得同步的地面地物 光谱测量数据 大气纠正方法 以红外波段最低值校正可见光波段
前提假设:大气散射的影响主要在短波波段,红外波段中清洁的水体几乎不受影响,反 射率值应当为 0。由于散射影响,而使得水体的反射率不等于 0,推定是由于受到了天空辐 射项的影响。 直方图法确定 (直方图最小值去除法)
实用上可以不考虑直方图,只需找出图像上深水体或高山阴影处象元值应为零而不为零 的值,将各象元值减去该值。 回归法:选择可见光和红外波段进行
三、图像的几何复原
1. RS 图像几何畸变及产生原因 图像与原景物产生比例失调、变形、扭曲、偏斜等现象,这类退化称几何畸变。(像素之间的 相对位置改变) 产生原因 外部因素:*台姿态、速度变化 三轴定位(俯仰 侧滚 偏航)控制误差; 目标物
地形起伏 地球自转、曲率变化——非系统畸变 (随机 不可预测) 内部因素:成像设备引起非线性等——系统畸变 (可预测) 2.几何校正的一般方法 几何校正又称为几何配准,是把不同传感器具有几何精度的图像、地图或数据集中的相同地 物元素精确地彼此匹配、叠加在一起的过程。 设畸变图像 f(x,y)校正后图像 g(u,v)设法找出 g(u,v),f(x,y)之间的坐标转换关系. 先确定一种与失真图像相匹配的校正数学模型,确定其中参数,则变换关系可确定. 据此对 图像进行校正. 常用多项式控制点法 a. 多用间接法 直接法:从原始图像,依次对每个像元根据变换函数求得它在新图像中的位置。并将灰 度值赋给新图像的对应位置上。 间接法:从新图像中依次每个像元,根据变换函数找到它在原始图像中的位置,并将原 图像的灰度值赋予新图像的像元。 数字纠正一般流程 :

纠正函数可有多种选择:多项式方法、共线方程方法、随机场内插方法等等,其中多项式方

法的应用最为普遍。

多项式纠正的基本思想:图像的变性规律可以看作是*移、缩放、旋转、仿射、偏扭、弯曲

等以及更高次的基本变形的综合作用结果。

这些变形作用可用适当的多项式来模拟。

确定新图像的边界

纠正后图像和原始图像的形状、大小、方向都不一样。所以在纠正过程的实施之前,必

须首先确定新图像的大小范围。

b.多项式法过程

坐标变换: 确定多项式形式→控制点对→用最小二乘原则求解系数→确定变换式,则可

确定输出象元在输入图像上的对应位置

灰度值估算(重采样):由变换多项式决定之(x,y)未必为整数,故要进行灰度值内插

常用内插算法:

最*邻 (零阶插值) — 取与其最*之象素灰度值(简单 不改变原图像数据 易致锯齿边)

双线性(一阶插值) — 用周围四个点在两个方向上插值

三次卷积内插

— 据周围十六个点用三次样条函数内插,用双三次卷积来*量

函数(sinc 理想的重采样函数)

3.关于控制点

遥感中称地面控制点 (GCP Ground Control Point)

图像景物中具明显特征的点 目标明显 位置易确定易辨认

数量:据多项式次数 n,通常多需超过多项式的系数个数,采用最小二乘法进行系数的

确定,可使得到的系数最佳.

分布和精度: 分布均匀,边角处要保证有点,务须精确定位,误差大者须调正或至舍弃

几何纠正精度取决于控制点分布与精度 !

有时可把一个大区域分成若干个小三角形区域分别校正.这样即便大区域的畸变是非线

性的,但小三角形区域可当作线性畸变处理.

4.几何运算的应用

a.图像配准 相似图像相互对准 (不同时相 不同波段 不同来源的同一地区图像)

手工配准

运用几何校正方法 (比例尺一致的前提下)

自动配准 从两个图像相对移动中找出相似性度量最大(差别最小)的位置作为配准位置

图像镶嵌 相邻图像之间的匹配处理

数字镶嵌要求影象连续 色调协调 灰度统一 过渡自然

对原始图像要求比例尺一致 彼此间有重迭

步骤: 先配准 再调整灰度 最后合并

b. 变形 使一个物体逐渐转变成另一个物体的图像处理技术

源于几何校正, 后被引入医学成像及计算机视觉,在电影 TV 媒体广告中有成功应用

其它特殊处理: 风吹 水波 扭曲效果… c. 地图投影 (地图绘制中的图像投影)
地图投影:等距投影、等积投影、保角投影 制图投影:正交投影、球极*面投影、Mercator 投影、Lambert 保角圆锥投影、高斯-克里 格投影 有关图像的其他几何操作:放大、缩小、旋转、镜像
第七章 图像分割
数字图像处理的目的之一是用作图象识别,本章内容介绍的图像分割与描述是图像识别 工作的基础。图像分割将图象分为一些有意义的区域,然后可以对这些区域进行描述,相当 于提取出某些目标区域图像的特征,判断图像中是否有感兴趣的目标。
一、概述
1.图像分割: 所谓分割是按一定规则将图像或景物分成不交叠的若干部分(或子集)的过程。 从本质上来说是将图象中象素按特性的不同进行分类(统计特性 视觉特性)。用于图象分割 的场景图象特征信息有亮度、色彩、纹理、结构、温度、频谱、运动、形状、位置、梯度和 模型等。图像分割的依据是像素的相似性和突变性(特性连续与不连续)。输入的是一个或 几个图像,输出的是对所给图像或景物的描述,或称为专题图。 2.分割的方法:大致分相似性分割和非连续性分割
相似性分割:基于区域相关的分割技术,形成不同区域 非连续性分割:基于点相关的分割技术,检测局部不连续点,将之连成边界 3.遥感图像的分类是 RS 图像处理的一个重要内容,极具实用意义. 4.分割之前,进行背景*滑和消除噪声能改善分割效果. 5.计算机模式识别 用计算机模拟人的识别能力,对图像进行识别和理解.(图像分割属于模式识别范畴) 模式识别:指的是把基于特征的多维模式空间分成不同类别的识别理论。 描述模式特性:用一些基本要素(依使用方法不同而有所区别) 物理性状 一些数字值 称特征 表示数量概念 几何性状 特定形状的符号 称基元 表示结构概念 模式识别种类: 统计(判别)法、句法(结构法)、模糊识别 、神经网络等人工智能方法 统计模式识别过程:输入图像→ 预处理→ (图像分割)→ 特征抽取选择 →决策分类→ 输 出结果 模式识别系统设计: 检测器选择——选择物体分割(离)算法 特征选择——确定能最好地辨别物体类型的物体性质及其度量方法 分类器设计——建立分类算法的数学基础并选择所用的分类器结构类型 分类器训练——确定分类器中各种可调参数(决策界限等)使之适应被分类物体 性能评估——估计各种可能的错分类率的预计值
二、使用阈值的图像分割 (阈值 Threshold)
使用阈值是一种区域分割方法(对物体与背景有较强对比度的景物的分割特别有用,计算简 单) 1.全局阈值 可利用直方图选阈值 双峰 2.自适应阈值 把阈值取成一个随图像中的位置而缓慢变化的函数值(根据局部目标和背 景的差别来决定) 3.最佳阈值 使目标及分割错误最小的阈值 (不易获得)

4.多阈值 取多个阈值 5.最佳阈值的选取 类间距离最大准则 —大津阈值 (1980 年,日,大津展之)
思想:把直方图在某一阈值处分割成两组,当被分成的两组间方差为最大时,确定阈值。
三、边缘检测
与图像增强中的锐化处理一样 (边缘增强) 找边缘 边缘是图像局部特性不连续的反映,标志一个区域的终结和另一个区域的开始. 边缘的特性是沿边缘走向的象素灰度变化*缓,而垂直于边缘方向的象素灰度变化剧烈. 1.边缘检测算子 (得到的都是边缘图像) a.Roberts 算子 c.Laplacian 算子 d.Prewitt 算子 e.Kirsch 算子 2.Marr 边缘检测方法 梯度算子等对噪声很敏感,故一般先对原图作适当*滑再求微(差)分. Marr 边缘检测算子 (是对图像先*滑再求导数) 3.模板匹配法 点模板 线模板 边缘模板 边缘跟踪:把边缘点依次连接从而提取对像物边界的方法 光栅扫描 全向跟踪 四、区域增长 能充分利用像素的空间结构关系和其他特征 (像素能在一类,说明它们特性相似) 区域增长法就是通过合并相邻像素来求图像中相似像素的最大连通集合 (在自然景物的分 割方面能显示最佳性能) 区域合并法 分离合并法 空间群聚法 增长算法: a.对图像进行光栅扫描,求出不属于任何区域之象素.若无则退出. b.将该像素灰度与其 4 邻域或 8 邻域内不属于某一区域的像素灰度值比较,如果其差的绝对 值小于某个预先给定的阈值,则将之合并为同一区域. c.对新合并像素 重复 b d.重复 b ,c ,直至区域不能再增长为止. e.返回 a 重复进行. 区域增长算法 2: 1. 根据图像的不同应用选择一个或一组种子,它或者是最亮或最暗的点,或者是位于点簇 中心的点; 2. 选择一个描述符(条件); 3. 从该种子开始向外扩张,首先把种子像素加入集合,然后不断将与集合中各个像素连通、 且满足描述符的像素加入集合; 4. 上一过程进行到不再有满足条件的新结点加入集合为止。 此类算法的三个特点:其一是确定生长核心 k ;其二是给定同质判据 H ;其三是递归进行。
五、二值图像的处理
二值图像是数字图象的一个重要子集,通常由一个图象分割 操作产生 1.二值图像的连通区域 2.查找表 数字图像中常用的一种算法(函数表),软硬件都易实现

3.数学形态学 图像处理 集合论方法 (适于构造查找表)

在图象中移动一个结构元素(结构元素大小任意,可包含任意的 0 与 1 的组合)并进行类

似于卷积的操作,进行一种特定的逻辑运算,结果存于输出图像的相应位置.

数学形态学是分析几何形状和结构的数学方法,它建立在集合代数的基础上,是用集合

论方法定量描述集合结构的学科。1985 年之后,数学形态学逐渐成为分析图像几何特征的

工具。

理论基础是集合论。在图像处理中形态学的集合代表着黑白和灰度图像的形状,如黑白

图像中的所有黑像素点组成了此图像的完全描述。通常我们选择图像中感兴趣的目标图像区

域像素集合来进行形态学变换。

基本的形态学运算

? 腐蚀 Erosion

—算法:

用 3x3 的结构元素,扫描图像的每一个像素,用结构元素与其覆盖的二值图像做“与”操作,

如果都为 1,结果图像的该像素为 1,否则为 0.

? 膨胀 Dilation —算法:

用 3x3 的结构元素,扫描图像的每一个像素,用结构元素与其覆盖的二值图像做“与”操作,

如果都为 0,结果图像的该像素为 0,否则为 1.

? 开运算 Opening 先腐蚀,再膨胀

消除细小对象;在细小粘连处分离对象;在不改变形状的前提下,*滑对象的边缘.(磨光对

像外边界)

? 闭运算 Closing 先膨胀、再腐蚀

填充对象内细小空洞;连接邻*对象;在不明显改变面积前提下,*滑对象的边缘.

(磨光对像内边界)

? 细化 Thinning 在不破坏连通性的前提下,细化图像。

—算法实现:做腐蚀操作,但不立刻删除像素,只打标记;将不破坏连通性的标记点删掉。

重复执行,将产生细化结果.

? 粗化 Thickening 在不合并对象的前提下,粗化图像。

—算法实现:做膨胀操作,但不立刻添加像素,只打标记;将不产生对象合并的标记点添加进

来。重复执行,将产生粗化结果.

—另一方案:将图像求反,执行细化,结果再求反.

? 收缩 Shrinking 保持单个像素的物体不变的腐蚀运算称为收缩。

? 骨骼化 Skeleton

和细化相关的一个算子是骨骼化,也被称为中轴变换或火烧草场算法。中轴是和边界上至少

两点相切的圆的圆心的轨迹。可以用火烧草场来说明,设物体区域上铺满了草料,火从物体

边界同时均匀地烧起,最后草场全部烧光火熄灭的地方就是它的骨骼或骨架。

? 修剪 Pruning

细化或骨骼化过程会留下很多短刺,这些是有两三个像素点的分支。这些短刺是由于边界上

的单个像素的摆动引起的。短刺可以用 3×3 的算子来移去端点,然后重新建立删去的分支。

分割图象的结构

物体隶属关系图(专题图) 边界链码(起始点及走向) 线段编码(逐行处理技术)段文件集

六、纹理分析

1.纹理: 一种反映一个区域中像素灰度级的空间分布的属性( 灰度和颜色的二维变化的图

案;局部不规则,整体上却有规律性)

度量纹理 先设法对物体内部灰度级的变化性质进行量化

纹理特征与物体的位置、走向、尺寸、形状有关 ,而与*均灰度级(亮度)无关.

2. 纹理特征 a.统计特征 纹理区域的灰度直方图、标准差、方差、倾斜度、峰度等。 对图像先求出边缘,再作出关于边缘大小、方向的直方图,并把这些直方图和灰度直方图合 并作为纹理特征。 b.灰度共生矩阵
灰度共生矩阵 P(d,φ )被定义为从灰度 i 的点离开某个固定位置(相距为 d,方位为φ )的 点上灰度为 j 的概率(or 频数),是一种图像的二次统计量(两象素点的联合直方图)是一 L×L 的对称矩阵(L 为灰度级划分数目) 为减少计算量,一般只取φ 为 0°45°90°135°, 适当选取 d,灰度级划分也常被减少 (256→16 or 8) 3.其它纹理特征 频谱特征(付里叶变换包括其全部纹理特征)功率谱分析、频率域内环域*均或径向截面*均 结构特征 确定纹理基元并定量分析其空间排列 七、遥感多波段图像分类 1.分类根据和原则 依赖于光谱信息(亮度),空间结构信息(形状纹理等) 多用统计分析法. 考虑多维向量特征. (多波段图像+波段组合) 分类实质是把多维特征空间划分成若干个区域(子空间)每个子空间相当于一类地物. 不存在完全准确的分类,所寻求的是统计意义上误分概率最小的方法. 2.类别特征
同一类象素在多维空间中自然聚成一个点群,其位置可用均值向量(类中心)表示,离散 程度可用标准差或协方差矩阵度量. 3.监督与非监督分类
区别在于有无有关类别的训练区组(已知地物类型的样区)等先验知识 监督:从有代表性的训练区数据得到各类别的统计数据,据这些统计数据对图象进行分类. 非监督:无训练区数据,没有关于类别的先验知识,由图像本身的统计特性及自然点群的分 布来分类, 4.分类的一般过程 原始图像→校正和增强→特征选择→分类器选择→分类→输出结果 5.特征选择
多波段图像彼此间相关性大;又,随波段数及其它信息的增加,用于分类的数据将愈益增 多.所谓特征选择就是从给定的 n 个特征中选取 m(m≤n)个对分类最为有益,彼此间相关性小 的特征,以减少计算量又不致影响分类结果.
选取的特征变量应有这样的性质:即对于不同类别的模式,该特征量值相差较大;而对 于同类模式,则应有大体接*或相同的特征值;
对于某一类模式而言,特征量及特征值应能充分地表明该模式属于该类而不属于其它类 别的主要根据;
各特征量之间互不相关或相关性很小,即各特征量所表示的模式类别的性质互不重复或 不能互相导出。 6.判别分析 根据某判别函数值对自变量进行分类的统计分析方法
判别函数——模式分类器的数字表征. (RS 图像分类中一般指以各波段象元值为自变量的函数) 7.最小距离分类 根据各模式在特征空间中的位置,通过计算它们到各类别的距离来决定其归属.

a.确定每个类别中心(均值向量) b. 计算各象元到各类中心的距离,将其分到距离最小的那类 从点到点的距离出发,常称距离集群法 8.最大似然分类 a.贝叶斯准则
类别概率密度函数又称似然函数,故这种由贝叶斯公式导出的根据似然函数进行判别分 类的方法称为最大似然分类
通常可靠的先验概率不易获得,故可假定它们都相等.自然若能确知先验概率,则分类结 果会更正确. b.正态分布下的贝叶斯分类器 9.常用分类方法 监督:*行多面体(多维分割 管道) 先确定每类在各波段中灰度范围
最大似然法 先建立类别标志文件 最小距离法 常用距离 明氏距离、街道距离、欧氏距离 非监督: (多数为聚类分析) 聚类的关键是确定类中心,通常判别依据是到类中心的距离 初始类中心的确定可用光谱特征比较法、直方图法、最大最小距离法等 聚类是一个逐次迭代的过程 ,逐次计算新类别中心 光谱角分类法 原理:把光谱作为向量投影到 N 维空间(维数为所选取的波段数),像素值是 N 维空间的一 个向量,不同像素值之间形成的夹角叫光谱角。光谱角分类法考虑的是像素值向量的方向, 使用余弦距离(相似系数)作为地物类的相似性测度。 步骤:同监督分类。选取训练样本,确定每类特征值向量,比较每一像素向量与特征值向 量之间的光谱角,角度越小则表明该像素越接*于训练样本类型。 10.遥感图像其他分类方法 上下文分析 模糊分类 人工神经网络 专家系统 11.提高分类精度问题 选择适当样本 设计合理的分类器 利用其他信息(空间信息如纹理,DTM) 应用多时相多源 遥感资料 12.分类后处理 *滑——去除极小面积区域 (碎斑) 误差估计——精度分析 混淆矩阵 Kappa 系数 结果输出 (专题图 统计图表)
计算机图像理解
计算机图像理解是研究用计算机解释图像,实现类似人类视觉系统理解外部世界的一门 科学。所讨论的问题是,为完成某一任务需要从图像中获取哪些信息,以及如何利用这些信 息获得必要的解释。
图像理解的过程有几个显著的特点: (1)分阶段的信息处理带来了信息的多层表示; (2)对图像的解释是以某种形式的描述实现的; (3)图像的正确解释离不开先验知识的引导。 与图像理解相关的学科有图像处理、模式识别、计算机视觉等。它们之间既有联系又有区别。




友情链接: